为现有xarray数据集分配坐标并转换Epoch格式的方法

先根据你的DataFrame结构分两种常见场景处理：

场景1：频率是DataFrame的列名（每列对应一个频率值） #

比如你的DataFrame结构类似：

处理代码：

import pandas as pd
import xarray as xr

# 1. 确保Epoch列是datetime类型（CSV读入可能是字符串格式）
ds['Epoch'] = pd.to_datetime(ds['Epoch'])

# 2. 将Epoch设为DataFrame的索引
ds = ds.set_index('Epoch')

# 3. 转成xarray数据集，此时Epoch自动成为维度和坐标
new_ds = ds.to_xarray()

# 4. 把默认的列维度名（'columns'）重命名为'频率'
new_ds = new_ds.rename({'columns': '频率'})

完成后，new_ds的维度就是Epoch（X轴）和频率（Y轴），两者同时作为数据集的坐标。

场景2：频率是DataFrame的一列（每行对应一组Epoch+频率的数值） #

比如你的DataFrame结构类似：

处理代码：

import pandas as pd
import xarray as xr

# 1. 确保Epoch列是datetime类型
ds['Epoch'] = pd.to_datetime(ds['Epoch'])

# 2. 透视DataFrame，把频率转成列维度，Epoch作为行索引
pivoted_ds = ds.pivot(index='Epoch', columns='频率', values='数值')

# 3. 转成xarray数据集，自动生成Epoch和频率两个维度/坐标
new_ds = pivoted_ds.to_xarray()

验证结果 #

可以用以下代码确认维度和坐标是否符合预期：

print(new_ds.dims)  # 查看维度
print(new_ds.coords)  # 查看坐标

内容的提问来源于stack exchange，提问作者new-to-coding